OpenCV图像分类预测概率远低于教程结果问题求助

问题根因 #

你运行结果概率偏低的核心原因是缺少了Softmax归一化步骤：
你调用model.forward()得到的outputs是DenseNet输出的原始logits值，不是归一化后的分类概率，你参考的Python教程里用NumPy对logits做了Softmax计算，把输出映射到了0-1的概率区间，你的C++代码直接取了原始logits的最大值，自然得到的数值远低于预期。
另外你现有代码还存在未声明classIdPoint变量的疏漏，运行时会编译报错。

修复方案 #

补充Softmax计算逻辑，同时补全缺失的变量声明即可，修正后的完整代码如下：

#include <iostream>
#include <fstream>
#include <cmath>
#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/dnn/all_layers.hpp>

using namespace std;
using namespace cv;
using namespace dnn;

// Softmax实现，将logits转为0-1的概率
void softmax(Mat& input, Mat& output) {
    exp(input, output);
    double sum = cv::sum(output)[0];
    output /= sum;
}

int main(int, char**) {
    vector<string> class_names;
    ifstream ifs(string("../data/classification_classes_ILSVRC2012.txt").c_str());
    string line;
    while (getline(ifs, line)){
        class_names.push_back(line);
    }
    auto model = readNet("../data/DenseNet_121.prototxt",
                         "../data/DenseNet_121.caffemodel",
                         "Caffe");

    Mat image = imread("../data/tiger.jpg");
    Mat blob = blobFromImage(image, 0.01, Size(224, 224), Scalar(104, 117, 123));
    model.setInput(blob);
    Mat outputs = model.forward();
    
    // 补充变量声明
    Point classIdPoint;
    double final_logit;
    minMaxLoc(outputs.reshape(1, 1), nullptr, &final_logit, nullptr, &classIdPoint);
    
    // 对输出做Softmax得到概率
    Mat prob;
    softmax(outputs.reshape(1, 1), prob);
    double final_prob = prob.at<float>(0, classIdPoint.x);

    cout << "分类类别：" << class_names[classIdPoint.x] << endl;
    cout << "匹配概率：" << final_prob * 100 << "%" << endl;
    return 0;
}

额外排查点 #

如果修复后概率仍有偏差，可以依次检查：

• 模型权重文件DenseNet_121.caffemodel是否为官方发布的完整权重，避免下载到损坏或不完整的文件
• 输入的tiger.jpg与教程用图是否完全一致，没有被二次压缩裁剪
• 分类标签文件classification_classes_ILSVRC2012.txt的索引顺序与模型输出顺序匹配，没有错行漏行

内容的提问来源于stack exchange，提问作者Markus